La version 2.17 de TensorFlow vient d’être publiée, marquant une étape importante avec plusieurs évolutions techniques et des annonces pour les prochaines mises à jour. Parmi les principales nouveautés, on note une optimisation majeure pour les cartes graphiques récentes, une préparation pour la compatibilité avec NumPy 2.0, ainsi que des changements dans la prise en charge de certains outils comme TensorRT.
Un des points forts de cette version concerne l’amélioration des performances sur les GPU de dernière génération. TensorFlow intègre désormais des noyaux CUDA dédiés pour les cartes graphiques dotées d’une capacité de calcul 8.9, comme les modèles NVIDIA RTX 40, L4 et L40 de la gamme Ada. Cette optimisation permet un meilleur rendement sur ces architectures matérielles populaires. En contrepartie, pour limiter la taille des packages Python, le support des GPU de capacité 5.0 (génération Maxwell) a été abandonné dans les distributions précompilées. Les utilisateurs de ces anciennes cartes devront soit rester sur TensorFlow 2.16, soit compiler le framework à partir des sources, tant que CUDA continue de supporter cette génération.
Par ailleurs, TensorFlow 2.17 prépare le terrain pour des changements futurs. La prochaine version, 2.18, introduira notamment la compatibilité avec NumPy 2.0, une mise à jour majeure du bibliothèque scientifique qui pourrait entraîner des ruptures de compatibilité dans certains cas d’usage spécifiques de l’API TensorFlow. Les développeurs sont encouragés à anticiper ces ajustements. Autre annonce significative : le support de TensorRT, un outil d’optimisation pour l’inférence sur GPU, sera supprimé à partir de TensorFlow 2.18, faisant de la version 2.17 la dernière à l’inclure. Cette décision s’inscrit dans une volonté de recentrer les efforts sur d’autres technologies d’accélération.
Enfin, il est important de souligner que les mises à jour concernant Keras, désormais multi-backend, seront désormais publiées séparément sur le site officiel keras.io, à commencer par la version 3.0. Cette séparation reflète l’évolution de l’écosystème, où Keras s’affranchit progressivement de son intégration exclusive à TensorFlow pour devenir un framework autonome compatible avec d’autres moteurs d’exécution. Les détails complets des modifications apportées par TensorFlow 2.17, ainsi que les notes de version, restent consultables sur le dépôt GitHub du projet.